基于统计学习理论的项目风险评价与预测研究

论文摘要

随着项目涉及的风险因素日益增多,传统的风险管理方法将难以适应和满足现代项目管理发展的需要,因此项目风险管理相关新理论、新方法的研究迫在眉睫。统计学习理论为项目风险管理向智能化、科学化方向发展提供了一个新的思路。本论文对统计学习理论及其实现算法在项目风险管理中的应用进行了深入地研究,提出了智能化风险评价、预警和预测的实用方法,不仅具有很高的理论价值,而且对项目风险管理的工程实践具有重要的指导意义。特征指标的选择是对项目风险进行正确评价和预警的重要前提。本论文利用距离评判技术对项目的众多风险指标进行量化评判,去除了与评价和预警无关、甚至起消极作用的冗余指标,建立起最敏感的项目风险评价指标体系。案例分析表明,该方法既可以提高项目智能评价和预警的准确性和运算效率,也能够减少未来评价同类项目时的信息采集工作量,从而提高工作效率,节约项目成本。项目风险评价其实质是模式分类问题。但是,项目风险评价又是一个典型的小样本问题,历史数据十分缺乏,而传统的模式识别方法,如神经网络,建立在经验风险最小化的基础上,是依据学习样本数趋于无穷多的假设条件下的最优化结果。因此,在项目风险评价中应用传统的模式识别方法往往得不到理想的分类效果。本论文基于统计学习理论,研究了支持向量机分类方法,提出了基于距离评判和最小二乘支持向量机的智能评价模型,取得了很好的应用效果。重大项目的高风险样本数据非常罕见,历史经验的缺乏使得这类项目更加难以利用传统的方法进行有效评价。本论文将基于支持向量数据描述的单值分类方法引入项目风险预警中,提出了基于距离评判和支持向量数据描述的智能预警模型。该模型仅仅依靠一类低风险项目样本,而不需要或很少需要高风险项目样本就可以训练并建立分类器,进行项目的风险预警。案例分析表明,该方法对于高风险项目样本缺乏条件下的风险智能预警具有十分重要的应用价值。项目风险因素的预测是项目风险管理的又一重要环节,但由于许多项目风险因素其时间序列是非平稳、非线性的,传统的预测方法往往难以准确预测其未来趋势。本论文提出了基于经验模式分解和支持向量回归的混合智能预测模型。工程材料价格预测实例表明,该模型较单一支持向量回归预测而言,其单步和多步预测精度都有很大程度的提高,对准确预测和识别项目风险起到了积极的作用。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 选题意义
• 1.1.1 项目风险管理中的人工智能方法
• 1.1.2 统计学习理论
• 1.2 项目风险管理研究进展综述
• 1.2.1 国外研究进展
• 1.2.2 国内研究进展
• 1.2.3 项目风险管理研究发展趋势
• 1.3 论文主要内容、研究方法与创新点
• 1.3.1 论文主要内容
• 1.3.2 论文研究方法
• 1.3.3 论文创新点
• 第二章 项目风险管理的基本理论
• 2.1 引言
• 2.2 风险与风险管理
• 2.2.1 风险定义及其特征
• 2.2.2 风险要素
• 2.2.3 风险分类
• 2.2.4 风险管理定义
• 2.2.5 风险管理目标
• 2.3 项目与项目管理
• 2.3.1 项目定义及其特征
• 2.3.2 项目分类
• 2.3.3 项目管理定义、特征及其知识体系
• 2.3.4 项目管理应用
• 2.4 项目风险管理
• 2.4.1 项目风险定义
• 2.4.2 项目风险因素
• 2.4.3 项目风险管理定义
• 2.4.4 项目风险管理主要内容
• 2.4.5 项目风险管理重点
• 2.4.6 项目风险管理意义
• 2.4.7 项目风险管理与项目管理的关系
• 2.5 本章小结
• 第三章 统计学习理论
• 3.1 引言
• 3.2 机器学习的几个基本问题
• 3.2.1 机器学习问题表示
• 3.2.2 经验风险最小化原则
• 3.2.3 学习机器复杂性与推广能力
• 3.3 机器学习研究的发展
• 3.4 传统机器学习方法的不足
• 3.5 统计学习理论导论
• 3.5.1 学习机器的VC维
• 3.5.2 推广能力的界
• 3.5.3 结构风险最小化
• 3.5.4 实现结构风险最小化原则的实际方法
• 3.6 本章小结
• 第四章 基于支持向量机的项目风险评价研究
• 4.1 引言
• 4.2 支持向量机的几个基本问题
• 4.2.1 最优分类面
• 4.2.2 构建最优分类面
• 4.2.3 建立判别函数
• 4.2.4 线性不可分问题研究
• 4.2.5 非线性可分问题研究
• 4.2.6 核函数
• 4.2.7 支持向量机的多分类算法概述
• 4.3 最小二乘支持向量机
• 4.4 基于距离评判理论的指标选择
• 4.4.1 距离评判的基本理论
• 4.4.2 基于距离评判的指标选取
• 4.5 基于距离评判和最小二乘支持向量机的项目风险智能评价模型
• 4.6 工程实例
• 4.7 本章小结
• 第五章 基于支持向量数据描述的项目风险预警研究
• 5.1 引言
• 5.2 单值分类概述
• 5.2.1 单值分类特点
• 5.2.2 单值分类方法
• 5.3 支持向量数据描述基本原理
• 5.4 具有非目标样本的支持向量数据描述
• 5.5 基于距离评判和支持向量数据描述的项目风险预警模型
• 5.6 工程实例
• 5.7 本章小结
• 第六章 基于支持向量回归的项目风险预测研究
• 6.1 引言
• 6.2 支持向量回归基本原理
• 6.3 经验模式分解的基本原理
• 6.4 基于经验模式分解和支持向量回归的混合智能预测模型
• 6.5 时间序列预测方法
• 6.5.1 单步和多步预测
• 6.5.2 预测误差评价指标
• 6.6 工程实例
• 6.7 本章小结
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢